Innovation Effect of National Big Data Comprehensive Pilot Zone

Xu Lin1,2,Hou Linqi1,Cheng Guangbin1

(1.School of Economics and Management, Shihezi University,Shihezi 832003,China;2.School of Economics and Management, Changzhou Vocational Institute of Engineering, Changzhou 213164,China)

Abstract：With the accelerated evolution of a new round of global scientific and technological revolution and industrial reform, China's economic development has gradually entered a new stage of digital economy driven by data elements and interconnected with all things. Represented by the Internet, big data, cloud computing and artificial intelligence, the integration of digital economy and many fields of social economy has become an irresistible trend of the times, and it has a strategic and overall impact on the innovation driven development of China's social economy. At present, China has the largest number of Internet and mobile Internet users in the world, and has rich digital resources and application market advantages, which has laid the foundation for the development and application of big data. However, there are also a series of shortcomings, such as insufficient openness and sharing of data resources, weak industrial foundation, and limited innovation and application fields.

Taking the national big data comprehensive pilot area as the quasi natural experiment, this paper analyzes the relationship between the construction of big data comprehensive pilot area and urban innovation ability from both theoretical and empirical aspects, reveals the mechanism of big data comprehensive pilot area affecting urban innovation ability, and provides scientific theoretical support for the development of regional innovation system and the formulation and implementation of relevant policies under the digital economy.Using the balanced panel data of 283 prefecture level cities in China from 2008 to 2018, this study takes the national big data comprehensive pilot area implemented in batches in 2015 as the quasi -natural experiment, and employs the generalized double difference method to identify and evaluate the driving effect of big data development on urban innovation ability.

The main conclusions are as follows. (1) The policy of the national big data comprehensive pilot zone plays a significant role in promoting the improvement of urban innovation ability. This conclusion is still significantly valid after a series of robustness tests such as propensity matching score and excluding other policy effects. (2) From the perspective of spatial spillover effect, the construction of national big data comprehensive pilot area is conducive to accelerating the cross regional transfer, flow and diffusion of knowledge and information technology, cultivating new innovation growth poles, and producing a strong demonstration effect on the innovation of adjacent regions and regions with strong economic ties. (3) From the perspective of mediating effect, the big data comprehensive pilot zone can promote the improvement of urban innovation ability by optimizing factor allocation, promoting industrial structure adjustment and promoting mass entrepreneurship and innovation. (4) From the perspective of heterogeneity, the innovation drive of the big data comprehensive pilot area is relatively stronger for central and western cities, cities with high administrative levels and cities with low network infrastructure, indicating that the construction of the big data comprehensive pilot area is conducive to narrowing the "digital divide" between regions and promoting the construction of a new pattern of regional coordinated development.From the perspective of urban innovation, this paper focuses the innovation driving effect of digital economy on the field of technological innovation, and empirically tests the innovation driving effect and its influence mechanism of the construction of big data comprehensive experimental zone from the aspects of factor allocation optimization, industrial structure adjustment and entrepreneurial innovation.It broadens and enriches the theoretical analysis framework of digital economy and regional innovation. Then by taking advantage of the exogenous event of the construction of national big data comprehensive pilot zone, the dual difference model is used to identify the innovation driving effect of digital economy, which alleviates the reverse causality problem between digital economy and regional innovation to a certain extent;meanwhile the spatial double difference model is used to investigate the demonstration effect of the big data comprehensive pilot area on the innovation ability of adjacent regions. Finally according to the heterogeneous characteristics of urban location, level and network infrastructure, the study further clarifies the differences of innovation driving effects of the construction of big data comprehensive test area in cities with different characteristics, which is conducive to an in-depth understanding of the action mechanism and boundary conditions of the construction of big data comprehensive pilot area and the impovement of the urban innovation level.

Key Words:Big Data; Digital Economy; Urban Innovation; National Big Data Comprehensive Pilot Zone

DOI：10.6049/kjjbydc.2021080751

开放科学(资源服务)标识码(OSID)：

中图分类号：F204

文献标识码：A

文章编号：1001-7348(2022)20-0101-11

收稿日期：2021-08-27

修回日期：2021-11-07

作者简介：徐林(1981—)，男，安徽马鞍山人，石河子大学经济与管理学院博士研究生，常州工程职业技术学院经济与管理学院讲师，研究方向为产业创新与区域经济；侯林岐(1994—)，男，河南商丘人，石河子大学经济与管理学院博士研究生，研究方向为区域经济学；程广斌(1976—)，男，安徽淮南人，博士，石河子大学经济与管理学院教授，博士生导师，研究方向为区域经济学。本文通讯作者：程广斌。

0 引言

伴随全球新一轮科技革命和产业变革，我国逐渐迈入数据要素驱动、万物互联互通的数字经济发展新阶段，以互联网、大数据、云计算和人工智能等技术为代表的数字经济与社会经济诸多领域的融合已经成为不可阻挡的时代潮流，对我国创新驱动发展产生战略性与全局性影响。目前，我国互联网、移动互联网用户规模位居世界第一，拥有丰富的数字资源和应用市场优势，为大数据发展和应用奠定了基础，但也存在数据资源开放共享不足、产业基础薄弱、创新应用不足等一系列亟待加强的短板。为了加快大数据部署，全面推动大数据发展和应用，打造以大数据为引领的创新格局，提升创新驱动力，建设数据强国，2015年8月国务院印发《促进大数据发展行动纲要》(以下简称《纲要》)。《纲要》明确提出“开展区域试点”，通过不断的实践，总结出一套可以在全国推广复制的大数据产业发展经验。同年9月，贵州启动建设首个大数据综合试验区试点，次年，国家公布第二批国家级大数据综合试验区建设名单，具体包括北京、天津、河北、内蒙古、辽宁、河南、上海、重庆、广东。至此，国家级大数据综合试验区已经成为推动我国数字经济发展的重要政策工具。

创新作为我国经济结构战略性调整的重要抓手，是引领发展的第一动力。目前关于数字经济与创新关系的研究经历了信息化的创新性改善、互联网经济的创新推动、数字经济的创新赋能3个阶段[1]。第一，信息化对技术创新的重要作用已在大多数文献中得到肯定。信息化能够有效改善企业技术创新效率(韩先锋,惠宁,宋文飞，2014)、提高创新产出[2]和强化技术溢出效应[3]。第二，互联网经济作为信息化发展的高级产物，对创新也呈现出积极作用。有学者指出，互联网应用能够通过提高企业创新积极性和主动性[4]，刺激企业增加创新投入(杨德明,刘泳文，2018)，推动企业从事前瞻性研发[5]，进而提升企业创新能力。第三，关于数字经济与创新关系的探讨，学界仍然处于起步阶段。大多数学者围绕数字经济条件下创新模式演化[6]、商业模式创新[7]、企业创新活动[8]和技术变革[9]等方面展开理论研究。仅有温珺等[10]、韩璐等[11]、李雪等[12]少数学者在理论分析基础上构建数字经济发展指数，从数字经济对城市创新的赋能效应、空间溢出效应以及数字经济对创新的非线性递增特征等方面初步展开实证研究。综上所述，可以发现：①现有文献从信息化与互联网经济视角对创新展开了丰富的研究，但是对于数字经济与区域创新关系的实证研究仍较为匮乏；②现有文献对数字经济与创新的研究多集中于企业微观层面，缺乏从城市层面对数字经济与创新的内在机制及促进效应进行探讨；③以往文献大多通过构建数字经济指标体系研究其对区域创新的影响，鲜有文献讨论数字经济与区域创新之间可能存在的内生性问题，即数字经济对区域创新能力的反向因果作用，而忽视两者间可能存在的内生性使实证结果存在偏误。

国家级大数据综合试验区建设旨在通过数据流引领技术流、物质流、资金流和人才流，推动社会生产要素共享、整合、协作和高效利用，持续激发商业模式创新，进而成为推动经济转型发展的新动力。那么国家级大数据综合试验区是否具有创新驱动效应？试验区建设通过哪些机制影响城市创新能力提升？在空间上是否具有示范效应？对区域创新的影响是否具有异质性？现有文献尚未给予回答。为了探究以上问题，本文以国家级大数据综合试验区为准自然实验，从理论与实证两方面分析大数据综合试验区建设与城市创新能力关系，揭示大数据综合试验区影响城市创新能力的机理，为数字经济下区域创新系统发展、相关政策制定及执行提供理论支撑。

本文的边际贡献主要表现为：①基于城市创新视角，将数字经济的创新驱动效应聚焦到技术创新领域，从要素配置优化、产业结构调整和创业创新等方面，实证检验大数据综合试验区建设的创新驱动效应及其影响机制，拓展和丰富了数字经济与区域创新的理论分析框架；②利用国家级大数据综合试验区建设的外生事件，采用双重差分模型识别数字经济的创新驱动效应，从一定程度上揭示数字经济与区域创新之间存在的反向因果关系，并采用空间双重差分模型考察大数据综合试验区建设对邻近区域创新能力的示范效应；③基于城市区位、等级和网络基础设施等异质性特征，进一步考察大数据综合试验区建设对不同特征城市创新驱动效应影响的差异，从而有利于深入理解大数据综合试验区建设促进城市创新水平提升的作用机理和边界条件。

1 理论分析

在全球信息化快速发展的大背景下，大数据成为一种发现新知识、创造新价值、提升创新能力的重要资源，正在引领新一轮科技创新。国家级大数据综合试验区建设能够完善大数据基础设施、推动数据开放共享、拓展大数据创新应用领域，进而通过优化传统要素配置方式、促进区域产业结构升级、推动大众创新创业3条路径，促进城市创新能力提升。

1.1 要素配置优化的创新效应

大数据综合试验区通过数据资源开放共享加速信息流动，促进交易市场开放透明，缓解创新活动中的信息不对称问题，继而优化要素配置，最终作用于区域创新能力提升[12]。具体来看：第一，在人力资本方面，大数据发展和应用有利于消除劳动力在时间与空间上面临的信息壁垒，及时获取有价值的信息，增强知识能力，丰富就业和创业选择[13]，进而改善劳动力要素配置效率，为大数据试验区的创新创业活动奠定人才基础[14]。第二，在知识技术方面，互联网、大数据和云计算等信息技术应用加快了信息流动，使企业能够以较低成本获取知识技术，增加企业知识存量，为实现创新积累更充分的知识[15]。同时，数字化技术应用推动创新主体组织结构转向扁平化、去中心化，有助于提高创新活动效率，使知识更易于转化为高质量的创新成果[12]。第三，在创新融资方面，数字金融有利于缓解企业创新融资约束。一方面，从金融机构与企业互动角度看，数字化信贷平台有助于缓解数字金融机构与中小企业之间的信息不对称性，使数字金融企业可以方便获取实体企业信息，从而为创新型中小企业提供创新融资[16]。同时，数字金融发展能够减少传统金融机构在融资投向中存在的“领域错配”、“属性错配”和“阶段错配”等现象，进一步缓解企业创新面临的融资约束[17]。另一方面，从政府机构与企业互动角度看，大数据的充分应用有助于提升政府市场监管效能，推动政府治理精准化，对企业创新情况及潜力进行精准识别，从而减少企业创新补贴以及税收优惠等政策实施中存在的信息不对称问题，提高财税政策激励企业创新的精准性和有效性(李春涛,闫续文,宋敏,等，2020)。

1.2 产业结构调整的创新效应

大数据综合试验区建设有助于推动传统产业数字化、网络化和智能化转型，促进制造模式持续变革和工业转型升级，在服务提供中呈现更多的先进技术、发挥更高的社会效益，进而推动区域层面的产业结构升级[14]。具体来看：一方面，在产业关联效应下，大数据对产业创新的影响会向应用部门前后端溢出，引发产业链持续革新。数字产业与其它产业有着紧密的前后向联系，数字技术应用于生产链环节不仅有利于推动该产业数字化、网络化和智能化，对产业集群协同创新也会产生强烈的正反馈。在纵横向产业关联下，数字经济促使其它传统行业运营模式发生根本性变化，如数字技术在研发部门的应用会倒逼制造部门持续开发新技术、构建新平台，不断提升自身数字经济服务能力和创新效率，从而引发全产业链的持续革新(韩先锋,宋文飞,李勃昕，2019)。另一方面，在产业融合效应下，数字经济对传统产业的深度改造会不断催生新产业、新业态和新商业模式，从而激发商业活力、提高创新效率。具有通用性、高渗透性等的数字技术与实体经济具有天然的融合性[18]。从数字经济在消费领域的融合看，企业利用大数据技术可以实现对消费群体的精准搜寻、识别与捕获，作出具有针对性的生产和销售决策，实现产品研发由经验驱动转向数据驱动，降低技术创新不确定性，提高研发预期回报率，激发企业创新积极性[19]。从数字经济在生产领域的融合看，大数据在工业研发设计、生产制造等领域的应用促进智能制造、网络化协同和服务型制造模式发展，如数字化研发管理系统有助于企业在研发模式、研发流程和驱动方式的多维度网络中协同运转，提高企业创新能力[18]。

1.3 大众创业的创新效应

大数据综合试验区建设为创新创业活动营造了良好的创业创新生态，创新创业活跃度提升有利于增强区域创新能力。具体来看：一方面，大数据综合试验区建设为大众创业营造了良好的创新生态，有利于拓展区域创新宽度。数据可得性提升为大众创业营造了良好条件，如大数据与云计算、物联网、移动互联网等新一代信息技术融合发展有利于推动产业数字化，衍生更多新模式、新产业和新业态[12]。创业活力增强不仅有助于促进大数据增值、激励公益性开发与拓展创新应用，充分释放大数据红利，而且有利于促进创新链与产业链深度融合，带动技术研发体系、商业模式和产业价值链创新、变革及重构，塑造跨行业、跨领域、跨平台的开放性协同创新生态。另一方面，大数据综合试验区建设通过大数据计划推动万众创新、开放式创新和联合创新，有助于利用倒逼机制拓展区域创新深度。随着大数据试验区创新创业活动的开展，同质化产品或服务已经无法有效满足消费者需求，迫使创业企业通过持续创新在不断升级的市场中谋得生存和发展。从创新供给层面讲，初创企业为了能够在竞争激烈的市场中获得竞争优势和市场份额，需要不断向新产品、新技术研发活动投入资金和资源，尝试多元化的商业模式，不断激励创新能力提升[14]。从创新需求层面讲，数字经济发展加快了消费者对产品多样化的追求，引发消费者需求变革。准确及时捕获消费者需求变化并作出实时响应已成为企业获得持续发展核心竞争力的关键[20]，其要求企业、高校以及科研机构必须更快地研发创造出新技术、新产品和提供新服务以满足消费者需求，构建政产学研多方联动、协同发展的大数据生态体系，推动区域创新水平提升。

2 模型设定、变量选取与数据来源

2.1 模型设定

评估国家级大数据综合试验区建设对城市创新的政策影响效应，需要识别其中的因果效应。由于国家级大数据综合试验区选择可能并非完全外生，中央政府会综合考虑当地区域经济条件、资源禀赋和基础设施等，而这些区域特征难以完全观测和有效掌控。同时，国家级大数据综合试验区采用分批设立方式，传统DID仅适用于评估单一试点政策效应。因此，为精准识别国家级大数据综合试验区建设对城市创新的影响，本文采用广义双重差分模型，通过双向固定效应识别国家级大数据试验区建设的创新驱动效应，具体如下：

Innit=α0+α1treatedit+α2Xit+yeart+cityi+εit

(1)

其中，被解释变量Inn为城市创新水平，treated为国家级大数据综合试验区的虚拟变量，以此衡量政策冲击对城市创新的影响，其估计系数α1反映国家级大数据综合试验区建设的创新驱动效应。估计系数显著为正，表明大数据综合试验区试点能够有效推动城市创新能力提升，反之亦然。X为一系列地级市城市层面控制变量，year表示时间固定效应，采用年份虚拟变量以控制时间趋势因素，city表示城市个体效应，采用城市虚拟变量以控制城市层面不随时间变化的因素，ε表示随机扰动项，i和t分别表示地级市与年份。

2.2 变量选取

(1)被解释变量：城市创新水平(Inn)。创新产出是反映地区创新能力的主要指标[21]，代表经济主体使用创新投入资源进行生产的结果，主要包括专利数量或新产品、新服务销售收入(白俊红,卞元超，2016)。前者突显了科技创新的知识成果和知识创造功能，后者较好地体现了科技创新的市场化能力，但是新产品销售收入等难以获得城市层面数据，因此本文选取发明专利数量衡量城市创新水平。专利数量又分为专利申请量和专利授权量两类，考虑到政策冲击当期会对城市创新水平产生影响，而专利从申请到授权存在一定时滞，因此本文选用各城市发明专利申请数衡量城市创新水平。

(2)核心解释变量：国家级大数据综合试验区(treated)。为了探索国家级大数据试验区建设对城市创新能力的影响，依据国家公布的试验区名单，将城市确立当年及此后的treated设定为1，否则设定为0。此方式通过设定单一变量，直观地体现政策实施过程。

(3)控制变量：为了全面分析国家级大数据综合试验区建设对城市创新水平的影响，避免遗漏变量导致的内生性问题，本文对可能影响城市创新水平的因素进行控制。具体包括：①经济发展水平(GDP)，采用人均GDP对数控制城市经济发展对创新可能存在的非线性影响；②基础设施建设(Inf)：基础设施建设与完善不仅有利于促进创新要素在区域间流动，而且也为大数据试验区建设和数字经济发展提供支撑，为此本文采用固定资产投资与GDP比值衡量城市基础设施投入水平；③政府财政支出(Exp)：作为国家级实验区的地方政府会积极参与建设并给予各项政策支持，本文采用政府财政支出与GDP比值刻画地方政府对经济的干预程度；④金融发展水平(Fin)：创新活动具有资金投入大、回笼周期长的特点，能否提供足够资金会显著影响区域创新绩效，本文采用银行信贷规模与地区GDP比值衡量创新面临的融资环境；⑤人力资本水平(Hum)：人力资本水平提升有助于增强创新主体的知识获取和运用能力，本文采用在校大学生人数对数描述城市创新所需人力资本情况；⑥对外开放水平(FDI)：开放的环境有助于促进各种创新资源流动和要素优化配置，先进的管理经验和技术溢出能够带动本地创新水平提升，因此本文采用FDI的对数衡量技术溢出对城市创新的影响。

2.3 数据来源

本文使用2008-2019年全国283个地级市平衡面板数据评估国家级大数据综合试验区建设对城市创新的驱动效应。数据主要来源于历年《中国城市统计年鉴》、各省份统计年鉴和EPS数据库。专利数据来源于国家知识产权局网站中国专利公布公告系统。经济发展水平以2000年为基期进行平减，部分缺失值采用均值法进行填补。变量描述性统计结果如表1所示。

3 实证分析结果

3.1 基准回归检验

采用固定时间和个体效应的双重差分模型评估国家级大数据综合试验区建设对城市创新能力的影响，结果如表2所示。第(1)列为国家级大数据综合试验区政策变量对城市创新能力的影响，为了避免多重共线性导致估计结果偏误，第(2)-(7)列为逐步加入控制变量后的回归结果。

从表2第(7)列结果可以看出，试点政策虚拟变量的估计系数为0.516，且在5%的水平下显著为正，表明大数据综合试验区建设使得试验区城市创新能力相比非试验区城市平均高出0.516个单位，说明国家级大数据综合试验区建设对城市创新能力提升具有显著促进作用。这可能是因为国家大数据综合试验区建设推动移动互联网、云计算、物联网等新一代信息技术应用，而信息技术与经济社会各方面融合引发行业创新，对培育新型产业、促进业态发展、提升区域整体创新能力大有裨益。

3.2 稳健性检验

3.2.1 平行趋势与动态效应检验

试验区与非试验区城市创新能力在政策冲击前具有相同发展趋势是采用广义双重差分评估政策效应的前提。同时，由于国家级大数据综合试验区在政策实施时间、实施基础和创新资源禀赋等方面存在差异，可能导致政策实施具有缓冲期和消化期，政策效果具有一定滞后性。鉴于此，本文参考Beck等[22]的研究方法，将政策实施时间虚拟变量与政策虚拟变量交乘后带入回归模型，若回归系数在政策冲击前不显著，则表明政策实施前的试验区与非试验区在时间趋势上不存在显著差异，模型满足平行趋势假设，反之亦然。为了直观反映平行趋势检验结果，本文采用图示法比较国家级大数据综合试验区实施试点政策前后城市创新水平的变化，结果如图1所示。从图1可以看出，在国家级大数据试验区实施试点前，实验组与控制组的城市创新水平不存在显著差异，表明试验区政策满足平行趋势假设。此外，试验区试点政策实施当年对城市创新水平的影响并不显著，对创新的驱动作用在试点建设的第二年才开始显现，说明国家级大数据试验区建设对城市创新水平的影响具有一定滞后性，且创新驱动作用具有动态可持续性。

3.2.2 PSM-DID方法

国家级大数据综合试验区的选择机制可能导致基准回归模型存在选择性偏误问题。一方面，国家会有目的地选择一批具有创新基础、经济发展水平较高的城市作为试点，导致试验区样本丧失随机性，使得政策评估结果存在偏误；另一方面，试验区与非试验区城市在经济、政策和科技创新资源等方面存在一定差异，可能会对试验区政策估计结果造成无法观测的影响。为此，本文采用倾向得分匹配双重差分(PSM-DID)，通过将试验区与非试验区样本进行匹配以降低模型中存在的选择性偏误问题。具体而言，采用卡尺匹配法，以控制变量作为匹配变量对样本进行匹配。经过匹配处理后，各匹配变量控制组与实验组结果接受无系统差异的原假设，因此基于匹配结果进一步对国家级大数据综合试验区政策效果进行评估，结果如表3第(1)列所示。从结果可知，政策变量对城市创新水平的影响在1%的水平下显著为正，表明经过匹配后试验区政策的创新驱动效应依然稳健。

3.2.3 安慰剂检验

在使用双重差分评估政策效应时，如果存在不可观测的遗漏变量、反向因果等内生性问题则会对估计结果产生影响。为了避免由于其它原因导致非试验区建设差异与城市创新水平相关，借鉴霍春辉等[23]的研究方法，通过构建反事实政策虚拟变量检验不可观测因素对估计结果的影响。具体而言，依次将政策实施时间提前1年、2年和3年，将提前后的虚拟政策变量纳入回归模型，观测虚拟政策变量的显著性，结果如表3第(2)-(4)列所示。从结果可以看出，虚拟政策变量对城市创新水平的影响均显著为负，随着政策实施年份不断提前，虚拟政策执行与真实政策执行对城市创新影响的偏离度不断增大，表明反事实构建的虚拟政策变量对创新并不存在显著驱动作用，从而印证回归结果不受遗漏变量等因素影响的结论。

3.2.4 更换城市创新衡量方法

为了避免由变量定性选择导致估计结果存在偏误，本文重新刻画城市创新水平衡量方式以检验基准回归结果稳健性。一方面，为了弥补专利指标中新产品、新服务或新业务模式带来的市场化和商业化信息损失，选择新产品开发经费支出(Inn2)衡量城市创新水平。由于难以获得城市层面的新产品开发支出数据，本文借鉴鲁元平等[24]的研究方法，将省级层面数据与地级市层面数据进行匹配，取自然对数带入模型进行稳健性检验，这是因为采用省级层面数据能够从一定程度上缓解由城市创新与试验区试点间双向因果关系导致的内生性问题；另一方面，单一的专利数量忽视了不同类型专利质量的差异，本文选择使用《中国城市和产业创新力报告2017》中城市创新指数(Inn3)作为城市创新能力的代理变量。基于国家知识产权局和国家市场监督管理总局微观大数据，利用专利更新模型测算每项专利的平均价值，进而汇总至城市层面，形成各年度创新指数，最终反映城市创新能力质量，缺失数据采用外延法补充。回归结果如表3中第(5)-(6)列所示，从中可以看出，更换被解释变量后试验区对城市创新水平的估计系数有变化，但依然显著为正，表明大数据试验区试点对城市创新的驱动作用具有稳健性。

3.2.5 排除其它政策效应

由于政策虚拟变量无法排除同区域同时间段其它政策对城市创新水平的影响，即试验区城市创新水平提升来源于其它政策效应，而非国家大数据综合试验区建设带来的创新驱动效应，这可能导致基准估计结果存在系统性偏误。基于此，本文参考刘传明等[25]、徐换歌等[26]和何凌云等[27]的研究结果，分别将“宽带中国”试点(Intercity)、创新型城市(Inncity)和智慧城市建设(zhcity)3个政策虚拟变量纳入模型，以检验在排除其它政策效应后试验区建设驱动城市创新水平提升的政策效应。结果如表4所示，可以看出，在分别纳入其它政策冲击后大数据试验区建设对城市创新能力的回归系数均在5%水平下显著为正，即在排除其它政策干扰后试验区对城市创新的驱动效应依然显著。

3.3 空间溢出效应检验

前文分析了试验区建设对城市创新水平的驱动效应，然而忽视地区空间相关性可能导致的估计结果偏误。目前已有文献指出，互联网、数字金融对区域经济发展的影响存在空间溢出效应[28-30]。从理论上讲，大数据试验区建设对区域创新水平具有虹吸效应和扩散效应两种影响机制。一方面，大数据试验区试点政策推动城市创新水平不断提升，使得各类要素资源向中心城市集聚，导致试验区城市对周边城市形成虹吸效应；另一方面，由于创新的外部性以及城市集聚—扩散的发展规律，试验区城市在要素自由流动下带动周边城市创新水平提高，呈现为扩散效应。为了进一步检验上述效应，本文参考徐换歌等[26]的研究方法，构建空间双重差分模型以检验国家级大数据试验区建设的创新驱动效应是否存在空间溢出性。

Innit=α0+α1treatedit+α2W*treatedit+α3Xit+yeart+cityi+εit

(2)

其中，W为空间权重矩阵，其余变量同上。本文分别采用邻近矩阵、经济矩阵和反距离矩阵考察国家级大数据综合试验区建设对周边城市的空间溢出效应。在回归前，依次通过空间莫兰指数、LM检验和LR检验、Hausman检验以及SDM模型简化检验，确定应采用固定效应SDM模型估计大数据试验区建设对创新驱动的溢出效应。表5为3种空间权重矩阵下的模型估计结果，结果显示，空间溢出效应rho的值显著为正，表明国家级大数据综合试验区建设对城市创新水平存在显著的空间溢出效应。可以看出，无论在哪种空间矩阵下，试验区建设对城市创新水平的影响均显著为正，与前文基准回归结果基本一致。试验区建设与空间权重矩阵的交乘项对城市创新水平的回归系数均显著为正，表明大数据试验区建设对周边相邻区域、经济联系紧密区域的创新水平具有显著空间溢出效应。即大数据试验区建设能够通过大数据与云计算、移动互联网等新一代技术融合发展，加速知识和信息技术的跨区转移、流动与扩散，培育新的创新增长极，对周边城市产生较强示范效应。

4 进一步拓展分析

4.1 作用机制检验

以上分析表明，国家级大数据综合试验区试点政策对城市创新能力水平提升具有显著促进作用。为了进一步分析试验区建设对城市创新的影响机制，借鉴温忠麟[31]的研究方法，构建中介效应模型如下：

Innit=α0+α1treatedit+α2Xit+yeart+cityi+εit

(3)

Mediait=β0+β1treatedit+β2Xit+yeari+cityt+εit

(4)

Innit=γ0+γ1treated+γ2Mediait+γ3X+yeart+cityi+εit

(5)

其中，Meida为中介变量，其它变量含义同前文。模型(3)为基准回归方程，模型(4)为大数据综合试验区建设对中介变量的回归方程，模型(5)为大数据综合试验区建设与中介变量共同对城市创新能力影响的回归方程。

按照前文理论分析，优化要素配置、调整产业结构以及鼓励大众创新创业是国家级大数据试验区建设提升城市创新能力的重要途径。第一，要素配置效率。本文借鉴杨慧梅和江璐[32]的研究方法，利用数据包络分析法测算城市全要素生产率。其中，产出以2008年为基期测算的实际生产总值衡量，投入以资本和劳动力表示。借鉴张军等(2004)的做法，在固定资产投资的基础上采用永续盘存法测算资本，劳动力则为各城市就业人员总数。第二，产业结构调整。借鉴陈晓东和杨晓霞[30]的研究方法，采用产业结构高级化水平作为产业结构评价指标，测算方法为：Ind=1*W1+2*W2+3*W3，其中，W1、W2、W3分别为三次产业占GDP的比值。第三，大众创新创业。借鉴赵涛等[33]的研发方法，以15～64岁劳动力人口为基数，将城市层面私营企业新增数量标准化得到创业活跃度，作为大众创新创业水平衡量指标。

回归结果表明，大数据综合试验区建设可以通过资源配置、产业结构调整以及大众创新促进城市创新能力提升。一方面，大数据综合试验区建设对城市全要素生产率、产业结构高级化和创业活跃度的影响均在1%水平下显著为正，表明试验区建设有利于优化要素配置、推动产业结构转型升级和提高创新活跃度；另一方面，城市全要素生产率、产业结构和创业活跃度对城市创新能力的影响均在1%的水平下为正，表明存在中介效应，且中介效应在Sobel检验法下具有稳健性，意味着优化要素配置、调整产业结构以及鼓励大众创新创业是国家级大数据试验区建设推动城市创新能力提升的重要途径。

4.2 城市异质性分析

上述研究验证了国家级大数据综合试验区建设对城市创新水平的影响及作用机制，然而对于具有不同特征的城市而言，大数据综合试验区建设对城市创新水平的促进作用是否依然存在？如果存在，对城市创新水平的提升效应是否存在差异？对于上述问题的讨论有利于深入理解大数据综合试验区建设促进城市创新水平提升的作用机理和边界条件。为此，本文将分别从城市区位差异、网络设施基础情况和创新水平3个视角，考察异质性条件下大数据综合试验区建设对城市创新的影响。

4.2.1 城市区位异质性

我国国土辽阔，位于不同区域的城市在自然资源、地理位置、交通便利和经济发展水平等方面存在较大差异。那么，区位差异会不会导致大数据试验区建设对城市创新水平的影响存在不同？为了检验区位异质性下大数据试验区的创新驱动作用，本文构建区域特征虚拟变量(area)，将东部城市赋值为1，中西部城市赋值为0，与试点政策交乘带入模型，回归结果如表7中第(1)列所示。结果显示，试验区建设与区域虚拟变量的交乘项系数显著为负，说明试验区建设对城市创新水平在中西部城市的驱动作用强于东部城市。其原因在于，一方面，大数据试验区建设以发展互联网、数字经济和云计算等新兴技术为主，这些以智能化、网络化和数字化为主导的信息技术具有较高外部性、灵活性和智能性，对地理位置、自然资源和经济发展水平没有较强依赖性，即意味着大数据试验区建设有利于中西部城市发展，实现向东部发达城市的追赶。另一方面，中西部城市受限于基础设施、经济发展水平和科技创新基础等条件，在创新能力提升上具有较大发展空间，从而使得试验区建设对城市创新水平表现出较强驱动作用。

4.2.2 行政等级异质性

不同行政级别城市享有的经济管理权限、优惠政策等各类优势资源存在差异，高行政等级城市往往是国家或区域经济发展战略实施重点和先行者。该类城市不仅可以依靠行政管理权限获得更多公共财政支持，享受更多创新激励政策，还可以利用中心城市的集聚效应提高资金、人才和信息等创新要素集聚水平，导致大数据试点政策在不同城市的实施效果存在差异。基于此，本文按照城市行政等级虚拟变量(level),将直辖市、省会城市与副省会城市赋值为1，将其它普通城市赋值为0，回归结果如表7中第(2)列所示。可以看出，大数据试验区建设与城市行政等级的交乘项系数在5%水平下显著为正，表明试点政策对高行政等级城市的促进效用较显著。其原因在于，高行政等级城市在大数据试验区建设中可以凭借经济集聚、信息技术集聚等优势吸引更多创新型企业、风投资金和创新人才等创新资源，推动城市创新能力提升。相比之下，低行政等级城市拥有的经济管理权限较小，对中高端创新型企业吸引力较弱，导致大数据试验区建设对普通城市创新水平的驱动效应不足。

4.2.3 网络基础设施异质性

大数据综合试验区对城市创新水平的影响在一定程度上依赖于初始网络基础设施水平。网络基础设施完善有利于在试验区建设过程中发挥支撑优势，促进社会生产生活信息化，进而推动城市创新发展。为此，本文根据各城市互联网普及率，将样本划分为网络基础设施高水平地区和网络基础设施低水平地区两组。同时，设置网络基础设施水平虚拟变量(inter)，其中，低水平区域赋值为1，高水平区域赋值为0，回归结果如表7中第(3)列所示。可以看出，试验区建设与网络基础设施水平的交乘项系数显著为正，意味着网络基础设施低水平城市在试验区建设中能够获得更显著的创新驱动效应。原因在于，信息基础设施是大数据综合试验区建设的重点投资领域，信息基础设施建设水平越低，试验区建设过程中的投资力度越大，从而对城市创新发展形成较强驱动力。实际上，与传统经济相比，互联网、数字经济下的大数据建设受到的物理束缚较小，信息基础设施水平低的区域在试验区建设过程中具有后发优势，对创新发展形成较显著的驱动边际效应。

5 结论与建议

5.1 研究结论

本文基于2008-2018年全国283个地级市平衡面板数据，以2015年分批实施的国家级大数据综合试验区为准自然实验，采用广义双重差分法识别和评估大数据发展对城市创新能力的驱动作用。得到如下结论：①国家级大数据综合试验区试点政策对城市创新能力提升具有显著促进作用，该结论在经过倾向匹配得分、排除其它政策效应的一系列稳健性检验后依然成立；②从空间溢出效应看，国家级大数据综合试验区建设有利于加速知识和信息技术跨区转移、流动与扩散，培育新的创新增长极，对相邻区域、经济联系较紧密区域创新产生较显著的示范效应；③从中介效应看，大数据综合试验区建设能够通过优化要素配置、推动产业结构调整和鼓励大众创业创新促进城市创新能力提升；④从异质性看，大数据综合试验区建设对中西部城市、高行政等级城市和网络基础设施水平较低城市的创新驱动作用更显著，表明大数据综合试验区建设有利于缩小区域间“数字鸿沟”，推动区域协同发展与新格局构建。

数字经济发展已然改变传统的生产方式和经济运行机制，大数据与传统产业协同融合并不断催生新业态，激发商业模式创新，成为推动经济高质量发展和提升区域创新的重要驱动力。已有文献缺少对数字经济与区域创新关系的研究，从城市层面探讨数字经济对创新的内在作用机理及促进效应的研究也十分匮乏。相比于以往研究内容，本文基于2008-2019年中国内地283个地级市平衡面板数据，以2015年分批实施的国家级大数据综合试验区为准自然实验，采用广义双重差分实证检验大数据综合试验区建设的创新驱动效应，并从要素配置优化、产业结构调整和创业创新等方面探讨大数据综合试验区建设影响城市创新的内在机理，同时，采用空间双重差分模型考察大数据综合试验区建设对邻近区域创新能力的示范效应，丰富了数字经济与区域创新的理论分析框架，并为相关问题研究提供了实证依据。

5.2 政策建议

(1)总结国家级大数据综合试验区建设经验，推动数字资源适度开放，促进城市创新水平提升。实证结果证明，大数据综合试验区建设对本地城市创新能力具有正向影响，且对邻近地区创新能力具有正向溢出效应，表明国家级大数据综合试验区建设已取得阶段性成功。因此，应加强总结试验区成功经验，形成一般性规律和多样化经验，加快在全国的推广步伐。同时，发挥我国丰富的数字资源和应用市场优势，在保障数据安全和隐私的前提下，稳步推进公共数字资源开放，鼓励企业和民众发掘与利用数字资源，激发创新创业活力，提高生产要素配置效率，促进数字经济与实体经济融合，加快数字产业化和产业数字化步伐。

(2)国家级大数据综合试验区建设应该结合各区域禀赋特征，因地制宜地制定发展战略，缩小区域“数字鸿沟”，更好地发挥数字经济对本地区创新能力的提升作用。由于城市区位、城市规模、网络基础设施水平等存在差异，大数据综合试验区建设对城市创新的驱动效应也具有差异性。各试验区在建设过程中应根据自身情况，实施动态的差异化发展战略，紧紧把握新工业革命机遇，推动大数据产业与本地优势产业融合，打破数字经济发展不平衡约束。其中，东部城市具有良好的数字经济产业基础，在发展数字经济中承担突破关键技术、重大基础研究的创新工作；中西部则应不断完善数字经济基础设施，发挥数字经济的后发优势，强化与东部城市的产业联系，填补区域发展短板，推动优势产业数字化转型，改善数字经济发展不平衡性。

(3)完善大数据基础设施建设，推动互联网、大数据、人工智能等新兴技术对传统信息基础设施的改造，强化数字基建对城市创新能力的支撑作用。加快移动通信网络、国家级大数据平台、数据中心等基础设施建设，在充分利用现有政府、企业等资源和平台设施的基础上，加快构建数字化、智能化、融合创新的新型基础设施体系，充分发挥大数据基础设施建设对企业数字化转型、智能升级和融合创新的支撑作用，促进区域性大数据基础设施整合和数据资源应用，进而提升城市创新能力。

参考文献:

[1] 许宪春,张美慧.中国数字经济规模测算研究——基于国际比较的视角[J].中国工业经济,2020，38(5):23-41.

[2] 王莉娜,张国平.信息技术、人力资本和创业企业技术创新——基于中国微观企业的实证研究[J].科学学与科学技术管理,2018,39(4):111-122.

[3] 陈子凤,官建成,楼旭明,等.ICT对国家创新系统的作用机理研究[J].管理评论,2016,28(7):85-92.

[4] GLAVAS C, S MATHEWS. How international entrepreneurship characteristics influence internet capabilitiesfor the international business processes of the firm[J]. International Business Review,2014,23(1):228-245.

[5] GUIRE T M J MANYIKA, M CHUI. Why big data is the new competitive advantage [J]. Ivey BusinessJournal, 2012(8):1-13.

[6] 张昕蔚.数字经济条件下的创新模式演化研究[J].经济学家,2019，31(7):32-39.

[7] BHARADWAJ A, EL SAWY O A, PAVLOU P A,et al. Digital business strategy:toward a next generation of insights[J]. MIS Quarterly，2013，37(2):471-482．

[8] CAPUTO F,CILLO V,CANDELO E,et al.Innovating through digital revolution : the role of soft skills and big data in increasing firm performance[J]. Management Decision, 2019,57(8):2032-2051．

[9] 王梦菲,张昕蔚.数字经济时代技术变革对生产过程的影响机制研究[J].经济学家,2020，30(1):52-58.

[10] 温珺,阎志军,程愚.数字经济与区域创新能力的提升[J].经济问题探索,2019，40(11):112-124.

[11] 韩璐,陈松,梁玲玲.数字经济、创新环境与城市创新能力[J].科研管理,2021,42(4):35-45.

[12] 李雪,吴福象,竺李乐.数字经济与区域创新绩效[J].山西财经大学学报,2021,43(5):17-30.

[13] ACEMOGLU D,RESTREPO P. Automation and new tasks: how technology displaces and reinstates labor[J].Journal of Economic Perspectives,2019,33(2):3-29.

[14] 邱子迅,周亚虹.数字经济发展与地区全要素生产率——基于国家级大数据综合试验区的分析[J].财经研究,2021,47(7):4-17.

[15] 王可,李连燕.“互联网+”对中国制造业发展影响的实证研究[J].数量经济技术经济研究,2018,35(6):3-20.

[16] 汪亚楠,徐枫,郑乐凯.数字金融能驱动城市创新吗[J].证券市场导报,2020，30(7):9-19.

[17] 杜传忠,张远.数字经济发展对企业生产率增长的影响机制研究[J].证券市场导报,2021，29(2):41-51.

[18] 丁志帆.数字经济驱动经济高质量发展的机制研究:一个理论分析框架[J].现代经济探讨,2020，39(1):85-92.

[19] JOHNSON J S, FRIEND S B, LEE H S.Big data facilitation,utilization,and monetization: exploring the 3Vs in a new product development process[J]. Journal of Product Innovation Management，2017,34(5):640-658.

[20] 李春发,李冬冬,周驰.数字经济驱动制造业转型升级的作用机理——基于产业链视角的分析[J].商业研究,2020，63(2):73-82.

[21] 徐圆,邓胡艳.多样化、创新能力与城市经济韧性[J].经济学动态,2020,41(8):88-104.

[22] BECK T，LEVINE R，LEVKOV A.Big bad banks? the winners and losers from bank deregulation in the United States[J].The Journal of Finance，2010，65(5):1637-1667．

[23] 霍春辉,田伟健,张银丹.创新型城市建设能否促进产业结构升级——基于双重差分模型的实证分析[J].中国科技论坛,2020，36(9):72-83.

[24] 鲁元平,张克中,欧阳洁.土地财政阻碍了区域技术创新吗——基于267个地级市面板数据的实证检验[J].国际金融研究,2018，34(5):101-119.

[25] 刘传明,马青山.网络基础设施建设对全要素生产率增长的影响研究——基于“宽带中国”试点政策的准自然实验[J].中国人口科学,2020，34(3):75-88，127-128.

[26] 徐换歌,蒋硕亮.国家创新型城市试点政策的效果以及空间溢出[J].科学学研究,2020,38(12):2161-2170.

[27] 何凌云,马青山.智慧城市试点能否提升城市创新水平——基于多期DID的经验证据[J].财贸研究,2021,32(3):28-40.

[28] 张俊英,郭凯歌,唐红涛.电子商务发展、空间溢出与经济增长——基于中国地级市的经验证据[J].财经科学,2019，63(3):105-118.

[29] 郭峰,孔涛,王靖一.互联网金融空间集聚效应分析——来自互联网金融发展指数的证据[J].国际金融研究,2017，33(8):75-85.

[30] 陈晓东,杨晓霞.数字经济发展对产业结构升级的影响——基于灰关联熵与耗散结构理论的研究[J].改革,2021，34(3):26-39.

[31] 温忠麟.张雷,侯杰泰,等.中介效应检验程序及其应用[J].心理学报,2004，49(5):614-620.

[32] 杨慧梅,江璐.数字经济、空间效应与全要素生产率[J].统计研究,2021,38(4):3-15.

[33] 赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020,36(10):65-76.

(责任编辑：胡俊健)